Waarom investeren bedrijven massaal in AI zonder resultaat?

In deze aflevering hoor je waarom een goed algoritme niets waard is, zonder de juiste gebruiker. We spreken Maarten van den Outenaar. Hij was chief data officer bij Schiphol en werkte eerder bij NS en Volker Wessels. Hij schreef een boek over waarom AI-producten vaak niet worden gebruikt. Op Schiphol loste hij lange rijen op met simpele rode en groene lampjes, zonder dashboard. Bij Volker Wessels bleek een prachtig 3D-model voor spoor onderhoud in de praktijk om bruikbaar. De centrale vraag waarom investeren bedrijven massaal in AI terwijl het gebruik van achter blijft. AIToday Live, ik ben Joop Snijder, Head of AI bij Info Support. Ik ben mijn de collega Area Lead Data & AI. bij Info Support. En in de studio hebben we Maarten van den Outenaar. En Maarten, zou je jezelf eerst even willen kort voorstellen aan de luisteraar. Zeker, Maarten van den Outenaar, 39, kom uit Rotterdam. Ja, woon daar samen met mijn vriendin oud Roe, daar hadden we het net al heel even kort over. En daarom ook fanatiek Highroxer. Ik begreep dat jij nog spierpijn hebt van de crossfit. Crossfit, ja, gevoelig puntje. Ja, gevoelig puntje gaan we het over hebben. En verder de afgelopen voor actief geweest in data. Ik ben director digital solutions geweest bij Volker Wessels, head of Analytics bij NS. En de laatste rol was ik Chief Data Officer bij Schiphol en op zich is wel wel grappig om te vertellen, ik heb dus geen datachtergrond, want ik heb een jaar filosofie gedaan, waarin je eigenlijk leert dat je niks objectief kunt kennen. En heb daarna heb ik geschiedenis gedaan, waarbij het gaat over dat het beste verhaal, wat door de meeste mensen kan worden gebruikt, dat we dat opschrijven. Dus ik heb eigenlijk vier jaar gedaan om uit te leggen dat alle verhalen die in de geschiedenisboeken stonden, niet waar waren of anders konden wordt geïnterpreteerd. En geëindigd daarin wel bij de industriële revoluties, dus onderzocht hoe al die revoluties impact maakten op bedrijven. En zo ben ik ook uiteindelijk in de datahoek gerold. Wat is natuurlijk de vierde en we stevenen af op de vijfde industriële revolutie. Dus dat is een beetje de achtergrond. Ja, en we kennen elkaar, want je hebt een boek geschreven. En de titel zelf. Ik weet niet woorden, maar data. En daarin heb je je kennis gevat van die reis, van een stukje ook een stukje historie die je daar dan ook in meeneemt. Maar waarom moest het boek er komen, volgens jou? Nou, ja, kijk, het is. Kijk, ik moest er uiteindelijk, omdat ik merkte dat veel organisaties tegenaan lopen dat ze wel gave en mooie dataproducten kunnen maken en AI-producten kunnen maken. Maar dat het slecht lukt om ze gebruik te krijgen. Eerlijk gezegd had ik een drie kort jaar geleden niet verwacht dat ik een boek zou schrijven. Want ik gaf wel veel keynotes door op verschillende podia en daarin legde ik steeds uit, want dat vind ik eigenlijk het allerbelangrijkste. Hoe je ervoor zorgt dat mensen de oplossing echt gaan gebruiken. En zijn een paar keer iemand. Ja, je moet even een boek van schrijven. Toen dacht ik, ja, dag, daar heb ik geen zin in. Ik heb ooit ook eens een keer proberen een masterscriptie te schrijven. En dat was ongeveer de ergste periode uit mijn leven, moet ik wel bekennen. Maar ik kreeg wat tijd in januari, omdat Schiphol eindigde. En dacht, het is toch wel leuk om dat proberen. En dan mail je een paar uitgevers en die zegt een leuk verhaal. En zorg vooral dat je bij je punt blijft, namelijk hoe krijgen we die AI-producten gebruikt. Want je ziet nog steeds dat dat het grote probleem is. Je ziet op het allerhoogste niveau, dat er veel wat meer wordt in AI wordt geïnvesteerd dan dat het oplevert. En wat interessant is, is dat de opbrengste curve, die wordt steeds hoger. Dus er wordt steeds meer mee verdiend. Dus kennelijk maakt het impact. Dus het heeft zin. Maar wat je ook ziet, is dat die. Vooral verdiend door de leveranciers van deze producten. Ja, maar je ziet ook wel. Dat weet ik niet dat jij daar misschien beter dan ik, maar je ziet ook al gewoon in bedrijven, ook als daar NS kijk, en Schiphol, dat we echt wel producten maken die echt impact maken. Dus als wij kijken naar die gate planning die we nu veel beter doen, doordat we dat berekenen met AI welk vliegtuig moet waren in, dat heeft zin. Alleen als je nou naar de totale kosten kijkt, dan zijn die hoger dan wat het op dit moment opbrengt. En dat is niet alleen bij die bedrijven zo, dat is gewoon door de hele wereld zo. En dat betekent eigenlijk dat je in een soort van bubbel leeft, die of gaat knappen, of die opbrengst halen op een gegeven moment de investeringen in en dat is een goed idee. En hoe je daar nou goed doorheen gaat als bedrijf, want het is nu eigenlijk best wel spannend. Je ziet ook bedrijven die hun investeringen weer om laag brengen, omdat ze zeggen, ja, het wordt gewoon te duur, het wordt te duur ten opzichte voor mijn concurrent. En dat is zonder, want dan mis je de ontwikkeling. Hoe pak je dat nou goed aan? Hoe zorg je nou dat die dat geld wat je investeert, dat het in producten eindigt die echt worden gebruikt. En die dus ook echt je processen en daarmee je KPI verbeteren. Dat is het probleem waar ik over wilde schrijven. En daar heb ik ook gewoon een hoop voorbeelden bij. En ik hoop ook leuke voorbeelden. Over waar dat goed ging, en ook af en toe waar het gewoon verschrikkelijk misging. Laten we eens beginnen bij dat misgaan. Wat is volgens jou een van de hoofdredenen. Waarom bedrijven daar zoveel moeite mee hebben. Met het gebruik krijgen van de producten. De standaard, het standaard verhaal natuurlijk, en dat geldt voor elke industriële revolutie, is dat je zo'n technologie eerst even moet ontdekken. Dus je moet snappen hoe werkt die technologie nou. En wie doen dat nou? Wie proberen dat nou als eerst te ontdekken, dat zijn de mensen die daar een beetje enthousiast over zijn. Dus nou, mijn vader was nog niet heel erg enthousiast over technologie. En die heb ik ook nog nooit met een tablet met ChatGPT rondlopen, die dacht dat zal mijn tijd wel duren. Dus dat zijn de enthousiaste mensen. En waar het probleem vaak zit, is dat uiteindelijk moet je ook de rest van de organisatie meekrijgen. Want die enthousiastelingen zijn ongeveer 16% van je organisatie. En daar zit een gat tussen, omdat die enthousiastelingen die willen wel. En de rest van de organisatie zegt op zich interessant. Maar waarom is het voor mij belangrijk, is het een beetje goed te gebruiken, is het betrouwbaar, et cetera. En wat je bij data en vooral bij AI specifiek ziet, is dat de mensen die er enthousiast over zijn, dat zijn wat jongeren, hoogopgeleide, zeker in het begin, toen ik starten bij Volker Wessels mensen met een PhD. En die moeten mensen meenemen in het geval van Volker Wessels in de bouw. Een verhaal wat in mijn boek staat. Dat heb je dan dus gelezen. Is dat toen ik net directeur Digital Solutions was bij Volker Wessels, toen was ik 30, dus ik dacht, ik doe een pak aan. Want ja, directeur, je weet een beetje. Je moest even autoriteit aantrekken, inderdaad. Het is fijn dat jullie daar zo om lachen. Dat zegt een hoop over hoe ik daar toen tegenaan kijkt, denk ik. En ik loop naar die dataafdeling toe en die dataafdeling. Die zat die zat op de vierde etage. Komt er aan en is een muur, een dichte muur met een deur, en daar staat een bordje op met het Data Rijk. On ontzettend uitnodigend natuurlijk. Dus je komt daar binnen, ik zie allemaal mensen met zijn koptelefoon op. Er ligt een slang, want ze programmeert in de codetaal Python. Er staat een beeldje van panda. Dan zou dan een panda set om. Er staat een ballenbak nog van een soort van vrijdagmiddagborrel. Dus je denk, nou, het is geen aannemerswereld waar ik nu in ben en. Want die hadden gewoon kartonnen bekertjes met snelle koffie. En die manager komt op me af op zijn sokken. Dus ik zeg, joh, waarom heb je eigenlijk geen schoenen aan? Ja, ik hou niet zoveel van schoenen aan. Ik heb ze een keer uitgedaan en niemand zegt er wat van. Dus nou, God hand geven, hij zegt trouwens leuk dat jij het pakken hebt en die vond het ook mooi. We lopen naar het koffiezetapparaat. En daar staan mensen met zo'n oranje hesje aan en zo'n bouwhelm op. Toen keek ik even naar ons drie. Dus die man met dat kartonnen beker koffie en die bouwhelm en dat vestje. Die manager AI op sokken en ik in mijn pak met 30. Ik dacht, dit gaat niet lekker met elkaar. Dit zijn nou niet prototype mensen die op vrijdagavond met elkaar een beetje gaan drinken. En dat is denk ik wel wat het probleem is. Want de echte waarde zit bij de mensen die niet meteen enthousiast worden over die technologie. Want als je enthousiast bent, dan ben je er al mee bezig. Jij zit ongetwijfeld om veel te doen met Copilot of met cloud. En je kan nu weer allemaal mooie prestaties maken, zag ik. Het gaat om de mensen die dat nog niet kunnen, daar zit de echte waarde. En dan moet je je wel kunnen verhouden tot die mensen en ze kunnen raken en op zijn minst snappen waar ze mee bezig zijn. En hoe raak je ze dan? Door om te beginnen aan hun ik te vragen, hoe kan ik jou helpen, in plaats van te zeggen, ik doe dit beter dan jij. Dus ik vond het mooi dat we hadden op een gegeven moment een algoritme gemaakt waardoor de operatie de planning 20% beter kon, we komen bij die planners aan en we zeiden letterlijk, nou, iets subtieler, maar dit was de boodschap, jullie kunnen je werk 20% beter doen. Toen zeiden zij: ga even heel snel de bok uit, we zijn even bezig. En dat is en dat is snap ik heel goed. Want waarom gaan mensen van 25 of van 30, natuurlijk, dit is wat gechargeerd, laat dat duidelijk zijn. Maar dat helpt in het voorbeeld. In ieder geval ook mensen die niet snappen hoe die planningen werkt, tegen die planners die daar soms al 20, 30 jaar werken, zeggen, jij doet gewoon je werk niet goed. Tot het moment dat daar een behoefte kwam, namelijk in het geval van Schiphol, was dat er meer grotere vliegtuigen kwamen, ik wil toch nog even op dat is deze case nog even. Ik wil eigenlijk van met de ervaring die je nu hebt en je stapt opnieuw binnen bij die planners. Wat zou je dan gezegd hebben? Nou, ik denk eigenlijk niks. Even wachten, nou, wat is namelijk hoe het uiteindelijk heb opgelost. Dus wat zou je gezegd? Dus de vraag is heb je een probleem, is vraag 1. Nee, daar ga je gewoon weer weg. Want als jij, als jij je huis gaat verbouwen en je belt een aannemer en die zegt wat moet ik verbouwen, ja, niks mijn huis is perfect. Ja, gaat hij niks doen, denk ik, mooie aannemen als hij wel wat ga doen en de rekening stuurt. Maar in principe, toen je een aannemer, als als er wat moet gaan gebeuren. Dus heb je een probleem. Ja, oké. Of heb je een hoog KPI, kan je hem halen? Nee, oké, wat heb je dan nodig om die KPI of die doelstelling wel te halen. En hoe kan AI jou daarbij helpen met betere informatie. En wat ik net wilde vertellen, ook over de gateplanner, dat is precies hoe het is opgelost. Er moesten namelijk grote vliegtuigen worden gepland. Daar moest die planning complexer, dat kregen ze niet meer voor elkaar. En toen konden we in één keer naar binnen lopen en die maar zeggen, hoo, het kan niet beter. Maar hey, we kunnen jou helpen met die grotere vliegtuigen beter plannen. Dan heb je dan ben je er natuurlijk. En dat is wat daar echt elementair veranderd deelt. Dus je kwam niet met een oplossing voor een probleem dat ze nog niet hebben erkend, maar ze hebben het probleem eerst zelf kunnen erkennen, waardoor ze inderdaad open stond om geholpen te worden. Ja, exact. En dit klinkt natuurlijk zo logisch als het is. Ik bedoel, ja, je zou het thuis niet anders doen, denk ik. En wat ik dus heel fascinerend vond. In mijn boek heb ik ook verschillende mensen geïnterviewd die waar ik bijvoorbeeld mee gewerkt heb, of die een leuke visie. Waarvan ik weet dat ze leuke visie hebben op data en AI. En ik vond het heel tof om te lezen in het interview met Robert Kaschuw, dat is de CFO van Schiphol. Dat hij dus begint met van ik vraag van hem, wat is nou het probleem van AI. En hij zegt het probleem is, of een van de oorzaken in ieder geval, is dat de technologie sector zo goed is in het pushen van hun producten, nou moet je kijken, het gaat sneller, het gaat beter. Je bent bijna dom dat je het niet doet. En al je concurrenten doen het ook. Dat iedereen denkt oké, we gaan het maar kopen, want and straks missen we de boot. Een mooi voorbeeld was toen blockchain, iedereen ging ineens aan de blockchain. Totdat je ging vragen, ja, waar gaan we dat die toepassen dan? Ja, nou ja, dan hebben we het maar alvast naar, dat is precies waarin je investeert terwijl dan geen impact maakt. En als je dat teveel doet, word je dus te duur op dat moment. Je zegt van het is heel logisch. Wij zien het bij zien dat natuurlijk ook. Maar waarom blijven mensen dan hier zo intrappen door niet te vragen? Wat je probleem. Het is een soort van FOMO. Ik vond het kijk, wat je. En ook hier ga ik kort op de bocht als je het niet erg vindt, maar als iemand zit te luisteren en die denkt voor dik, het is wel heel kort op de bocht, dat is ook wel even kort in de boord. Maar als je gewoon naar de mensen kijkt die verandering het spannend te vinden, dan zijn dat mensen die wat te verliezen hebben. Dat is bijvoorbeeld die ene medewerker die jaar 20, 30 jaar werkt, op zijn kennis en ervaring een positie heeft verworven in dat bedrijf. En denkt straks ben ik overbodig. En dan. Of de medewerker die denk straks voor het ontslagen. Het is trouwens interessant om te zien dat Generative AI bijvoorbeeld heel veel impact maakt bij de mensen die hun werk slechter doen. En minder bij de mensen die werk goed doen. Dus op zich zou je iedereen die denkt. Oh, ik doe mijn werk niet zo lekker heel blij moeten zijn die doet het eigenlijk alleen maar beter. En ook een groep die bang is voor verandering zijn daarmee leiding geven en vooral de top. Die hebben gewoon veel te verliezen. Verkeerde keuze kan ertoe leiden dat een bedrijf het verkeerd doet. Ze hebben een hoge positie, een hoge baan, vaak een groot huis. Ze hebben veel steeks. Dus veel te verliezen. En ze vinden ze hebben zoveel op hun bord dat het niet helemaal lukt om die nieuwe technologie ook echt goed te snappen. Dus zeggen ze op een gegeven moment. oké, ik geloof erin, dus een belief is het dan. En we gaan erin investeren. En dat bedoel ik eigenlijk met FOMO. Want zij komen, net als net als ik, jullie waarschijnlijk ook al van die Dine's. En hoor je altijd dat de wereld ontzettend snel verandert. En er is altijd weer een zoon van iemand die daar een presentatie geeft, die net eens eentje weer een hele website uit de grond heeft gestampt. En daar moeten we op aanhaken, dan vraag je natuurlijk niet: is die website AVG proof, want dat worden even vergeten. Maar die denken, dat gaat wel heel snel, we moeten hier op investeren. En dan is de vraag, als je op gaat investeren, hoeveel dan? Wanneer is het goed genoeg? En dat vond ik in mijn laatste periode fascinerend. Op een gegeven moment moesten wij producten gaan afwegen tegen wat commercie en asset management ging bouwen. En dat was op benefits, op wat het opbrengt bijna niet te doen. En waarom trappen we er dan in? Omdat het nog zo ongrijpbaar is, omdat we de leiders die de besluiten nemen op dit moment nog onvoldoende kennis hebben van wat moet ik dan echt vragen. En daardoor kom je in een belief kwestie terecht en ga je maar gewoon investeren. Het mooiste was nog, in slot voorbeeld, was een CFO. Die ik sprak van een organisatie en zei, kan ik even met je praten, want bij mij hebben ze een chatbot gebouwd. Hoe deden jullie het met chatbots? Hij zei, ja, ik weet niet wat ik moet vragen, want ik spreek het taal niet. Ik vind het spannend. Ze hebben zo'n ding gebouwd. Ik zeg, jij bent hier toch de CFO. Dan kan jij toch. Jij bent toch degene die moet weten waarom zo waar zo'n chatbot impact moet maken. En de conclusie van het gesprek was dat hij zei, ja, het is gewoon net als elke andere transformatie. En ik moet gewoon durven zeggen wat ik verwacht. Maar dat vinden gewoon mensen veel spannend, heel spannend. Omdat ze niet per se weten wat ze nou aan het vragen zijn. En wat zouden dan die eerste vragen moeten zijn, volgens jou? Nou, de belangrijkste vraag is: wat wil je eigenlijk bereiken? Dus wat wil je doen? Ik noem dat in het boek de transformatieopdracht, dat is misschien een wat groter woord. Uiteindelijk gaat het er gewoon om, je staat ergens als organisatie op punt A. en je wil naar een punt B. En daar moet je een aantal dingen voor doen om bij punt B te komen. Het voorbeeld van Schiphol was dat ze van 70 naar 90 miljoen passagiers gaan. Dan kijk je naar het proces. Kunnen al die processtappen, 90% passagiers aan. Nee, waar niet en hoe kunnen we daar helpen. En met data en AI kan je een aantal stappen wel doen die je daarvoor niet kon doen. Bijvoorbeeld supersnel grote bergstructuur zoeken, heel snel content genereren. Dus dan voor generative AI specifiek. Of je planning optimaliseren in dat geval. Als je dat weet, dus waar sta je, waar ga je naartoe. Wat de meeste organisaties dan doen, is dat ze zeggen, oké, we weten wat we willen bereiken, laten we een AI-product bouwen die dat gaat helpen oplossen. En waar je dan de val waar je dan instapt, is dat je ervan uitgaat dat de investering in IT of in IT en data. Automatisch zorgt voor een procesverbetering. Terwijl dan mis je één elementair punt. En dat is dat er uiteindelijk tot nu toe nog steeds een mens is die nu dat ding moet gaan lopen gebruiken. En dan krijgen dus enorm adoptieprogramma's. Want we hebben de mensen onvoldoende meegenomen. En het verhaal wat net over hadden, die mensen denken, waarom moet ik in één keer met AI werken? Doe ik dan mijn werk niet goed, dat is allemaal dat is allemaal best wel veel goed. En dat heet trouwens de productivity paradox, de productiviteitsparadox. De aanname dat investering in IT en data, direct je productiviteit verhoogt. En de tweede stap is dus dat als je weet waar ga ik naartoe, welke processen moeten we verbeteren. Welke mens is daar dan in cruciaal. En hoe kan je die mens helpen om beter te presteren? Dat is een elementair andere vraag dan hoe we tot nu toe in AI-transformatie. En in je boek heb je volgens mij het stukje richten, inrichten verricht. En leiderschap, dat is volgens mij de vragen die jij in je boek stelt. Hier hebben we het vooral over richten. Dus welk probleem is er? Waar ga je heen? Ik was nieuwsgierig geïntrigeerd. Is een van de vragen die je zegt dat gesteld moet worden bij inrichten, is welke adoptiesnelheid kan de organisatie aan. En ik was van nieuwsgierig waarom die vraag. Waarom die vraag niet. Is er een adoptiesnelheid? Hoe meet je de adoptie? Wat betekent dat voor een organisatie? Ja, kijk, wat je dus veel ziet, is dat technologie zich ontzettend snel ontwikkelt op dit moment. En ik merk dat nu ik deze zin zeg. mijn geschiedenishart al een beetje gaat bonken. Want dat zeggen we dus altijd. Op ieder moment gaat de verandering het snelste ooit. En dat is nog waar ook. Alleen nu gaan we een hele andere afslag in. Maar het is goed te redeneren. In mijn boek heb ik het over de ervaringen van NS en Schiphol. Maar ik kijk ook terug in de geschiedenis, een paar bijrichten verrichten en richte leiderschap. En terugkijken in de geschiedenis betekent dat je dit soort dingen gaat zien. Het gaat onder andere over de introductie van de radio. Die echt heel slecht wordt ontvangen. Er is ook bekend dat bij de boekdruk kunst mensen dachten dat andere mensen allemaal dom zouden worden en we zouden niks meer onthouden. En nu is dat precies hetzelfde zo. Wat trouwens, tussendoor, dan kom ik daarna op je vraag, maar ook echt een fascinerend inzicht vond. Vorige week was ik ergens. En toen gaf iemand de presentatie en die zei: weet je wat nou een interessant effect is van de rekenmachine. Vroeger wist je als je een sommetje deed ongeveer wel wat dat was. O wist nu weet je bij een simpel sommetje, weet je nog steeds wel wat het is. Ik ga hem toch even in typen. Toch even kijken of ik gelijk heb. En ik moet zeggen, ik ben een beetje dyslectisch. En ik wil nu absoluut geen taalfouten maken, want ik heb net een boek geschreven, en dan zou je moeten kunnen schrijven. Dus ik zet alles in ChatGPT gebruik ik veel. En dat betekent dus dat ik niet wordt gewezen op eigen fouten. En dat is eigenlijk, je krijgt een soort intrinsieke onzekerheid daarvan. Dat zijn effecten van de technologie die interessant is. En zeker omdat die tijdens een industriële revolutie. Zoals waar we nu in zitten, ontwikkelt die technologie zich super snel. Dus je gaat allemaal nieuwe dingen. Als je kijkt naar twee jaar geleden waar we nu staan met ChatGPT, of waar we nu staan met andere oplossingen, gaat super hard. Zo wordt het zeker ervaren. Maar het punt is dat je kan wel al die dingen proberen te implementeren op die snelheid mee te gaan. Maar het gaat er uiteindelijk om: wat kunnen die medewerkers van je organisatie nou aan. En als het allemaal supersnelle, slimme gasten zijn. Die dat allemaal mooi vinden, ja, ga je hard. Stel, het zijn allemaal mensen die niet met een tablet overweg kunnen. en die hadden we op een gegeven moment ergens een grafiek geïntroduceerd, bleek dat die mensen nooit hadden geleerd om grafiek te lezen. En dan kan je gewoon grafiek introduceren, maar die mensen kijken hier om maar aan, die zeiden, nou, leuk en die gaan we door met de werken. En het gaat niet alleen over intelligentie. Want je hadden een heel mooi voorbeeld in het boek van de NS. Waar je 's nachts om drie uur mee bent geweest om te kijken naar hoe iets in de praktijk werd gebruikt. Kan je daar kan je dat voorbeeld uit. Ik was nog even aan het bewaren, merkte ik. Dat is wat mij betreft het voorbeeld, daarom staat er ook in. Wij waren met dat datateam van Volker Wessels. Waren wij bezig met het helpen van het onderhoud van het spoor. En dat is echt hele kleine marges. Dus elke euro maakt daaruit. En we hadden een 3D-model gemaakt van de stenen onder de rails. Dus dat heet de ballast. En die moet op een bepaalde hoogte zitten en bepaalde stevigheid zitten, want er ligt die rails in en dan blijft die liggen. Want anders doet zo'n trein naar beneden of naar buiten en ontspoort hier geen goed idee. Ik ben vandaag ook met de trein fijn als ik het terug kan. En hoe dat tot dan toe ging, is, ze hebben zo'n enorme machine. Dat heette de stopmachine en die stopt die stenen zo eronder. En ze waren gewoon aan het rijden en ze keken gewoon een beetje. Iemand liep er ook een beetje naast naar hier een beetje en daar een beetje en daar een beetje. Maar dat maakt uit, want die stenen zijn duur. Die machine is hartstikke duur. Dus je wil je zo efficiënt mogelijk inzetten. Dus we hadden een 3D-model gemaakt van het spoor. Je stond gewoon een stond een scanner op een trein. Die maakte daar gewoon een ding van. 3D-model van en liet er een algoritme overheen lopen. En dan kon je precies zien in 3D, daar moet ik zoveel erbij doen, daar moet je zoveel erbij doen en daar hoeven het niet. En dat hadden we laten zien aan die mannen en vrouwen op die stopmachine, die waren enthousiast. Maar dat was in een ruimte zoals deze, we zitten nu een soort van vergaderzaal. En daar werkte dat. En we kwamen erachter dat model helemaal niet net gebruikt. Dus wij zijn praktijk niet. Daar waren een beetje te lucht over, want we hadden er hard aan gewerkt. En dat meen die wel. Dus of het gebruikt werd. Ja, dus we keken gewoon hoe vaak dat werd geopend of niet. En als het op een gegeven moment op twee staat is, hebben het hier gedaan, dan denk je, nou of het dingen ze de hele dag aan of dat is niet veel. En toen natuurlijk van nou, god, laten we eens een keer kijken, en het gebeurde 's nachts om drie uur, want dat spoor onderhoud is dan wij daarheen. En toen liet zo'n man zien, die zet hem door in dat ding aan. Dus die hele machine begint te schudden en begin die steen erom te doen. En je staat er schuddend op dat apparaat. Hij pak die tablet erbij, dat had allereerste handen zien, die zegt zie je deze handen. Gaat al niet heel lekker op het tablet, kan je nagaan als die hele machine staat te schudden, probeer jij nu maar eens een keer een 3D-model te bedienen. En dat ging natuurlijk niet. En helemaal niet tegen John die daar rechts voor aan roepen vanaf 3D, maar dan van je niet. Dus die voelt dan alles. Goed model. Goede inzichten, verkeerde user interface eigenlijk. En de conclusie was toen, en dat was voor ons even onze trots heen, print het even uit op een A4'tje in 2D. We hebben het gedaan en het werd gebruikt. En dit is dit vind ik zo fascinerend. Ik vind hetzelfde bij als ik nog een anekdote mag vertellen. Bij Schiphol bij de Pixie lights, dat staat ook in de boek. Die heb ik niet dat stuk heb je niet gelezen. Nee, maar bij Schiphol was het probleem van we hadden natuurlijk die enorme rijen met corona. Dat stond echt. Die waren zo lang dat ze buiten stonden, waar we geen sensoren meer hadden, waardoor we niet meer konden meten hoe lang de rijen waren, zo lang waren rijen. Dat is echt voor iedereen die beschrijvend werkte, echt een kras op de ziel. Ja, daarna, toen was Ruud Zondag, de CEO, we wilden dat niet meer. Dus we hebben gewoon alle lanes opengezet. Het probleem waren security lanes, we hadden te weinig vervangingspersoneel. Alle lanes opengezet, iedereen opslag go. Maar dat is natuurlijk te duur. Want we kwamen toen trouwens wel achter een fascinerend feitje. Dat als je nul minuten wachttijd hebt of één minuut, dat dat dus te kort is, dan zijn mensen ook zag gereinigd. Dus je moet een aantal minuten. Dat is leuk. Want anders ben je te vroeg gekomen. Dan sta je daar dus en dan sta je daar twee uur van tevoren op Schiphol en dan denk je wat doe ik er twee uur van tevoren. Ze zullen wel weer denken dat ik dure koffie moeten kopen of zo. Dus het heeft zin. Dus dan denk je dat om er een beetje wachttijd in te bouwen. Maar dit krijgen we waarschijnlijk wel te horen. Dat vertel ik ook vaak het podium. Omdat het gewoon grappig ook is dat dat ook dingen zijn die je er dan uithaalt, weet je wel, en langer dan 10 minuten is altijd te lang trouwens. En dat zie je dus ook alleen in de praktijk, als je er echt naar gaat kijken en gaat proeven en toetsen. Ja, dat zie je. Exact, dat zie je in de praktijk. En dat zie je dus als je een probleem hebt. Dus we kwamen hier niet achter omdat we gewoon leuk aan het zoeken waren van goh, wat zullen we kunnen nog eens een beetje verbeteren. Maar we kwamen erachter van hey, die security lanes, we moeten dat met iets minder lanes gaan doen, want anders wordt het te duur. Wat is dan een goed aantal lanes. Nou, laten we eens kijken naar wanneer mensen tevreden zijn niet tevreden zijn, hey, alle lanes open en de mensen zijn eigenlijk niet te tevreden. Hoe kan dat nou? Oh, wacht, iets wachttijd helpt in de beleving. En dat betekende dus als we met minder lanes en met dezelfde aantal mensen wilden doen, dat we van twee en half passagier per minuut, dus tas in het bakje, bak je door de scanner heen en dan aan de andere kant. Dat deden we toen één en half passagier per minuut, en we moesten naar drie. En we kwamen daar eigenlijk niet echt lekker achter van hoe kunnen we nou helpen. Er was niet echt één dingetje, het zijn ook mensen die elke twintig minuten doorwisselen, dat moet ook vanuit veiligheid dat niet iemand uren op zijn scherm zitten kijken. En dat je dan dingen kan meesmokken of zo. Dat wordt continu doorgewisseld. Dus dat was best wel lastig. Totdat we bij lane managers kwamen, en die zeiden tegen ons, ja, weet je, wat ons nou zou helpen, wij zijn eigenlijk altijd te laat. Want zij komen op het moment dat er iets speelt bij die lane, komen zij naar die lane toe om te helpen. Een bepaald besluit nemen of er moet even iets worden afgehandeld. En ze waren altijd te laat. En toen zeiden wij, oké, kunnen we dan helpen met dat inzicht? Zeiden ze nou, dat zou mooi zijn. Toen kwamen we eerst aan met een soort van monitoringsdashboard, waarop je kon zien per lane wat drie passagiers per minuut of sneller ging, of wat eronder ging, zeiden ze, ja, leuk, maar ik ga niet, ik sta niet heel nog op een dashboard te kijken. Ik sta ook een beetje om me heen te kijken en een beetje opletten en een beetje praten. En zeiden, wat is dan handig? En zei nou, voor die machine hebben we gewoon een lampje of je het doet of niet. Toen dacht we, nou, oké, zou dat helpen? Ja, toen hebben we dus aan de achterkant van de lanes, want mensen vragen altijd, hangt je aan de voorkant, want dan kan ik even kijken of ik in de snel lef staat. Hadden we dat nou van tevoren geweten, denk ik dan. Maar goed, ze hangen de achterkant van het laning. Bovenin hangen lampjes en die lampjes kunnen twee mooie dingen. Ze kunnen groen en ze kunnen rood. Groen is goed. Rood is niet zo goed. Dus kortom, groen is drie passagiers per minuut of meer en rood is minder. Situatie, die lane managers staan daar nog steeds een beetje te kijken. En op te letten of alles goed gaat, zien in één keer zijn lampje rood worden, lopen daar meteen naar die lane toe. En omdat ze daar zoveel sneller zijn, want ons werd dus pas na vijf minuten gelopen, ging de productiviteit van die lane tot 50% hoog in het eerste kwartaal. En ik vind het zo gaaf omdat wij hadden hier geen adoptieprogramma. We hebben ze uitgelegd, groen is goed, rood is niet zo goed. To zeiden ze, dat snappen wij ook wel. En het was klaar. En ik vind dat zo genie. En dat bedoel ik dus met niet wat de technologie kan, maar wat de mensen aan kunnen, nou kunnen die lane managers op zich wel wat meer aan. Maar dit is zo simpel gefabriceerd voor mensen die geen verstand hoeven te hebben van AI. Dat je er meteen mee kan werken. En dat vind ik er gaaf aan. En dat is het mooi, inderdaad, dat je van zo'n gevoelsmatig complexe situatie het zo terug kan brengen om de verbetering met een lampje, groen of rood. Te kunnen doen. En dat klinkt heel erg logisch achteraf gezien, maar om daartoe te komen tot zo simpel iets. Dat is best heel erg complex. Ja, zo heb ik ook ooit een keer ondervonden nog al trouwens van het IT. Omdat ik zeiden, het is een vrij simpel algoritme. En toen zeiden ze nou. Toen heb ik dat heel snel omgedraaid naar een simpele user interface natuurlijk. En een heel moeilijk algoritme. I know, I know. Maar ChatGPT is hier ook een voorbeeld van natuurlijk. Daarvoor bestond het al, maar niet in een chat interface. Was het complex. En vanaf het moment dat het chat was, wat leek op wat mensen al op een telefoon gebruikten. Is het gaan vliegen. Waarbij ze als bedrijf dat zelf niet eens dachten wat zouden gaan uitmaken. Ja, en het revolutionaire daaraan is natuurlijk dat je met AI kan praten in je eigen taal. Dat is het aller aller gaafste. Maar daar kon daarvoor ook. Dus het was al, ik denk dat ik al iets van een jaar of zo toegang had. Maar vanaf het moment dat het een chatinterface werd. Dus daar zie je dat user experience. Dat is echt zo ontzettend belangrijk. Ja, en dat is ook en dat vind ik dus wel fascinerend. Want je hebt helemaal gelijk. En als je nou kijkt naar hoeveel procent een gebruikersgroep een AI-algoritme op dit moment gebruikt. En veel bedrijven ik heb gewerkt, was het een beetje 30%. Dat vind ik fascinerend. Dus we maken iets voor marketing, even willekeurig voorbeeld. En daar zit honderd mensen voor marketing. En we helpen ze met Generative AI om content creation mee te doen. En 30 man gebruikt het. Is het dan een relevant iets? Of zijn we gewoon hier zitten we hier een beetje voor leuke dingetje te maken? En trouwens, waarom gebruiken de rest van die 70 man het niet? En dat is ook een van de dingen waar het over gaat, wat ik daar ondernemen met AI noem. Als jij je moet kijken naar wat is de markt waar je je AI-product probeert af te zetten. En hoe groot is die dan? Oké, 100 man. Hoeveel marktpenetratie hebt, hoe willen we aangaan, 30 man. Wat is het dan aan de hand met die 70 man? En ik snap wel dat het er team misschien niet zijn, snap ik trouwens ook niet. Maar oké, ik zou niet van accepteren. Het is toch gek. Het is toch gek dat iedereen gebruikt een vervoersmiddel, bijna iedereen heeft een mobiel of niet, dan heb je daar een reden voor. Het is niet andersom. En dat is het verschil tussen nice to have en must to have, must to have start met. We hebben een probleem. We wie de medewerker is, we weten die koe, we die kunnen helpen, daar bouwen we op een goede manier een product voor op het niveau dat die aan kan. En dan gaan we zorgen dat iedereen, zowel in die groep het gebruikt. Als het niet zo is, is het gek. Wat ik mooi vind in je bewording, en ik denk dat dat goed is om nog even toe te spitsen is: het woord product. Namelijk, je gebruikt het als een product. Het is niet een klein stukje software schrijven, maar je ziet het als een product, je hebt afnemers, je haalt je inderdaad het rendement mee. Dus echt de product thinking van wat je gebouwd hebt, ga je ook zo benaderen. Wordt het gebruikt, hoe goed wordt het gebruikt, lost het een probleem op. In plaats van we hebben een stukje software en daar blijft het bij. En hoe gaan we daar de vervolgstap in doen. En wat nou fascinerend is als je nou naar bedrijven kijkt die het financieel een beetje moeilijker krijgen, welk team gaat er als eerste uit. Het adoptieteam. En dan kom je in een soort vicieuze cirkel. En dat komt ook omdat producten maken, kan je lekker makkelijk aansturen. Dus op een gegeven moment is dat af. En we kunnen van tevoren return on investment berekenen. En dat is bij adoptieteam is dat lastiger. Want ik trouwens, dat durf ik nog wel eens een keer iets voor op te stellen waardoor het makkelijker komt. Maar als je dat adoptieteam weghaalt, dan wordt je product dus minder gebruikt. Dan levert het minder op. Ja, dan heeft het ook minder zin. Om je de vorige producten ook weer te maken. En dan gaan die hele technologie afschuiven. En de quote van Kinde is, ik vind het een mooi handvat, waarvan ik eigenlijk niet weet of het in het boek staat. Maar dat is dat elke euro die je investeert in ontwikkeling van het product, moet je ook een euro investeren in de adoptie. En dat is wel een belief, die niet altijd even hard te maken valt. Maar als je het niet doet, weet je zeker dat het gebruik van je product achteruit gaat. En de investering om het ontwikkelen, is maar 20% of minder van hetgene wat er ook in de beheer nodig is. En het onderhouden ervan. Dus als je stopt met het maken, dan hoeft het ook niet meer te beheren, maar dan ga je ook niet de waarde eruit halen. Nee, inderdaad. Maar ik moet wel zeggen dat ik wel een keer toen in een wat verhitte discussie over de waarde van mijn afdeling, ik zei, joh, als jij morgen geld wil verdienen met mijn afdeling aan mijn afdeling, dan moet je er morgen mee stoppen. Want dan heb je namelijk de meeste geld verdiend. Toen zei die man, dat is een goed idee. Toen dacht ik dit. Maar het is in de basis wel eigenlijk waar je zou moeten durven starten. En dat is spannend. Want ik gaf leiding aan 180 man. Ja, zeg maar is wat als we nou niks doen. En om te beginnen en zeggen, al die 180 man heb ik dan geen baan meer morgen. Ja, nou goed, ik denk het wel, want ik denk dat je iets nuttigs doet. Maar als je niet iets nuttigs aan het doen bent, moeten we dat gesprek ook voeren met elkaar. En dat is trouwens ook de reden waarom ik zo het veel heb over welke medewerker doe je het nou voor en hoe gaan die medewerker nou exact beter werken. Want de mensen die dat goed konden uitleggen, maak ook producten die impact maakte. De mensen die dat niet goed konden uitleggen, maakte producten vanuit de technologie. En zeiden, ja, maar het is toch een heel gaaf product. En de andere kant begrijp mij niet. Nou, dat kan dan best dat de andere kant er niet begrijpt. Maar dat is dan voor de organisatie niet zo handig. Kan je over Galiet vertellen? Ja, die vond ik ook. Die namen blijven hangen van het jaar. Maar daarom fantastisch is het toch wel genoemd. Hier ook voor de eerste keer een presentatie gaf, en toen vijf vrouwen, of als exclusiva voornaam toe kreeg, waarom is niet een andere naam dan Galiet. Dat is eenmaal hoe dat gesprek ging. Dat is wel trouwens een terugpunten aan. Maar hoe dat ging, is dat. Kijk, ik had een strategie geschreven voor Schiphol. En ik vond zelf vrij goede strategie. Wat was daar namelijk goed aan? Schiphol stond op dat moment. Je weet denk ik zelf ook natuurlijk de fase waar zo'n organisatie naartoe doorheen gaat. Maar je is dat ontdekken, is data iets voor mij. Dan ga je het opbouwen vanuit je moet een beetje technologisch fundament hebben. Mensen, je moet slimme mensen aan boord hebben. En dat is allemaal gedaan. En het risico is als je dat te lang doet dat je een eigen technologische centrum of Excellence hebt. Wat een beetje connectie met de rest van de organisaties verloren. En dat is eigenlijk waar we stonden met Schiphol toen ik daar aan boord kwam. Super goede mensen, super goede producten. Maar het lukte niet om de connectie te maken met de business. Dus waar was ik mee begonnen? Het was aan die business vraag. Nou, wat wil je nou hebben? En hoe helpt dat jou? En dan gaan we daar de beste producten voor schrijven. Ik begon met de top drie. Wat zijn de keuzes die je wil maken en welke data en je producten kun je daarbij helpen. Allemaal opgeschreven, super mooie slides. En het begon niet te leven. Dus iedereen zei, het ziet er goed uit man, succes en ging door met de werk. Ik dacht, ja, maar we doen het wel voor jullie. Als het niet voor jullie is. Je had je ook eens zo van ik word, jullie begrijpen het niet. Toch? In dezelfde termen. Eigenlijk wel, als je het zo hard zegt wel, wat er dan wel bij mij altijd gebeurt is, dan zal ik het zelf ook wel niet zo goed vertellen, merk ik dan. Want zo kom ik dus ook met Marco van de Werf, waarvan jij net vertelde dat hij hier ook heeft gewerkt, wat leuk is. Van dit is hij. Op een terras. En ik vertel hem dit verhaal. Ik zeg, ik heb een strategie geschreven. En volgens mij geeft het goed uit, maar het slaat toch minder aan dat ik had gehoopt. En hij zei vertellen, ik vertel het allemaal toes en belangrijk en zo. En hij zegt, ja, dat is wel een verhaal. Hij zegt ja, ik zeg, ja, dat is wel een verhaal ja. Hij zegt: weet je wat het nou een beetje is. Het raakt mij helemaal niet, wat je nou vertelt. Ik hoor je wel, ik snap het allemaal wel. Maar wanneer wat heb ik er nou aan? Ik zeg, wat zou jij doen dan? Waarvoor doe jij het nou eigenlijk, vraag hij mij? Nou, uiteindelijk natuurlijk om die medewerkers te doen te helpen. En hij zegt, maar welke medewerker dan? Ik zei nou, gewoon de medewerkersgroep planner en de medewerkersgroepen asset managers en zo. Hij zegt: hoe heette hij die dan? Ik zeg, ja, dat weet ik natuurlijk niet. Maar zou het niet mooi zijn als je het voor Jan gaat doen, of voor Ingrid of Annelies. Of beter dus voor Galiet, want dat blijft zo lekker hangen. En toen zei ik eigenlijk tegen hem, ja, leuk Marco, maar we gaan even door met dit gesprek. Want ik dacht, wat zegt hij nou? Ik wilde het hebben over hoe ik die strategie beter opschrijf. En toen ging ging ik terug en toen dacht ik moet toch eens tegen iemand zeggen daar op Schiphol. Wat hij gaf aan het eind mee, vraag nou even aan iemand wie ze Galiet is. Dus ik vroeg dat dan iemand, wie is jou Galiet? Hij zei dat zeg jij. Maar voor wie doe je het nou? Hij was ook stil weg. Een paar dagen later kwam hij terug en zei luister, ik heb het eens even over nagedacht. Dit is mijn medewerkersgroep, ik heb hier Kees lopen, Kees dit en dit. En Kees heeft me toevallig twee keer geleden verteld dat we hem op deze manier helpen. Het is gaaf. En want dit was precies de elevator pitch. Want als nu zo'n directeur, die komt kom je dan tegen en zo'n zo'n lift en die zegt: toen gaat met data. Zeg ik ja, mooie platform gebouwd, datakwaliteit 95%. En nu zei ik tegen, nou, we hebben dus Kees geholpen dat hij FCB's werk beter kan doen in jouw afdeling. En het vetste vond ik bij die directeur commercie, die zei: goh, wat vet. Want ik snapte eigenlijk data, ik snap van hoe data werkt, maar wat je nou, ik zeg deden van ons. Maar Kees, die ken ik, en ik sprak het volgende laatste die probleem had. Goed dat jullie me helpen. Dat was waanzinnig natuurlijk op dat moment. En voor de helderheid, daarna komen de volgende honderd problemen. Maar dit was zo'n mindset mindshift change zowel voor de datateam kant, die niet meer zei, we zijn dit proces aan het helpen. Maar we zijn dus ingezet aan het helpen. Of Maria. Dat was gaaf. Want je kom je dus uit je bed en dan ben je aan het aan het coderen. En wat doe ik nou eigenlijk? Oh, wacht, we helpen gewoon die persoon. Die kan je ook bellen. Die stonden dus wel eens zo'n rapportage met die mensen er ook in. En het was voor de bedrijfskant. Dus voor de businesskant, was het interessant. Want die wisten gewoon veel beter wie er nou eigenlijk waarmee geholpen werd. En hoefde je niet meer, ja, God nou, hier heb je model en kijk er eens naar en zo. Nee, we hebben Dinize Pronk. Die wilde sustainability. Die was bezig met Zero Waste. En daarvoesten we al die afval, scheidingsstromen inzichtelijk maken. En dat deden we voor haar. Dan kan je beter je afval verwerken. En ze zei goed algoritme. Dat is gaaf. Ja, dat is mooi. Ik voelde hem gewoon toen in het zei inderdaad. Ja, daarom bleef die namelijk hangen. Ik weet het niet. Het maakt het heel erg tastbaar. Het maakt iemand tastbaar, het maakt het product tastbaar. Het maakt dat je er tegen kan praten tegen Galide kan praat van hoe heeft het jou geholpen. En dat vind ik mooi aan de voorbeelden die je ook noemt in de boek. En er was ook nog één andere quote, en daar ben ik ook wel benieuwd met het verhaal erachter. Die ook zo was blijven plakken, en zo staan er nog meer in het boek hoor. Te vroeg gelijk, is ook geen gelijk. En te vroeg gelijk is geen gelijk. Ik weet je wat dat leuk aan is, ik sprak vanochtend sprak ik degene die dat mij, heb ik hem jou een stukje even gestuurd. Ik zeg deze man denkt dat je wel een mooie komen. Want het is het heeft mij ontzettend gefascineerd, die quote, namelijk, te vroeg gelijk is geen gelijk, omdat het erom gaat dat je zelf wel kan denken dat je er helemaal bent, maar de rest moet het ook nog even weten. De quote komt van een van de eerste lessen die ik heb geleerd als leidinggevende, ik was toen leidinggevende bij Alliander. En ik zou daar nog niet eens inderdaad. Ik zat gewoon de uitvoering. Allemaal mensen die daar echt al heel lang werkten en die vonden werk wel leuk bij bedrijf niet. Dat soort mensen die tegen je zeggen, nog 30 loonstroken en dan bij dat verhaal. Het allermooiste trouwens, wat ze altijd bij mij deden, was wel net Lean geïmplementeerd. En dan had je dus een dagstart. En dan zaten ze zo en zeg ik, nou jongens, dagstart, zeiden ze, daar. En gingen ze weer zitten. Nou, toen dacht ik, ja, als jullie naar het bord komen, dan komt het bord wel naar jullie, een beetje Mohammed naar de bergverhaal. Achteraf ontzettend leuke groep mensen, want als je daar even naarheen bent en je bent maten, dan is het allemaal leuk. Het punt daar was dat wij een slechte planning hadden tussen de huisaansluitingen en de hoofdkabel. Dus je moet eerst een hoofdkabel leggen in de straat bij elektriciteit en ook bij gastrouwens, dit ging over elektriciteit. Hoofdkabel leggen in de straat, en daar tak je dan de huisaansluitingen op aan. Als je dat andersom doet, is dat onhandig. Want dan heb je allemaal huisaansluitingen liggen zonder hoofdkabel. Dus dan moet op elkaar aangesloten worden. En zolang je dat niet weet, kan je ook geen datum afgeven aan de klant wanneer die wordt aangesloten. Dus je kan je voorstellen, we hadden een hoop belletjes van die mensen. Dit is tien jaar terug. Maar volgens mij is er nog niet heel veel veranderd in de energiewereld. Dus nog steeds als je in de krant leest best spannend. Van boze klanten en zo erg zelfs. Dat de directeur had gezegd, jij gaat nu bij elkaar zitten en je gaan het nu oplossen met elkaar. En ik had een jongen in mijn afdeling, of man jaar of dertig. En die deed voor hobby deed hij een beetje bijnaast. Dus die hadden beide planningen bij elkaar geklikt, eigenlijk heel simpel. En je komt in overzichtje meteen zien, deze aansluiting wel goed, deze aansluiting niet goed. Hier moet die hoofdkabel bleef prioriteit boven die. We gaan bij elkaar zitten, eerste overleg. Die manager van de af de andere afdeling, dus mijn team zit er, mijn manager zit er. Het team waarmee we moesten samenwerken zitten en die mensen zit er, die manager trapt af. Die zegt, nou, het is echt een probleem waar ik niet van slaap. Ik vind het echt erg. Zullen we even bekijken wie er een paar ideeën heeft. En waar dat voorbereid is. Dus we steken onze hand op en zeggen. Ja, kijk, het probleem is dat het niet op elkaar aansluit, we hebben daar wat voor gemaakt, BI-rapportage. Nou, kijk, eigenlijk kan je meteen mee beginnen morgen, dat was ongeveer de pitch. Waarop die manager zegt. Oké, leuk. Maar ik wil eerst nog even probleem onderzoeken. En die legde het aan de kant, is er niet op teruggekomen. En we lopen er zonder plan naar een uur die meeting uit. En ik was zwaar gefrustreerd. En ik had die man van mijn team helemaal enthousiast gemaakt van nou, god, we gaan jouw product nu neerzetten en dit wordt vet. En ik dacht, ja, hallo, waarom wordt er niet naar mijn oplossing geluisterd? En toen kwam mijn baas naar me toe. En die zei: Ja, god, ik had het even moeten zeggen, maar dit is nou een typisch geval van te vroeg gelijk. Want het is een goede oplossing. En we zijn nog helemaal niet op het punt dat we het over oplossingen gaan hebben met elkaar. Toen was ik eerst een beetje boos tegen hem, van kan je dat dan niet voor. Maar dat is dat was achteraf ook wel misschien wel waar. Maar het heeft me zoveel geleerd in later situaties, omdat dit straks geëindigd in dat we inderdaad een heel traject doorgingen met alle inventarisaties en uiteindelijk op dit alpunt zijn uitgekomen van de BI-rapportage. En dat dus de twee jaar daarna elke keer op die manier naar schets hebben gelegd, waardoor we een veel beter objectieve gesprek kunnen voeren tussen de aanlegafdeling en mijn aansluitingafdeling over hoe we moesten plannen. Maar je ziet het in zoveel organisaties. Dat je een team hebt en die maakt iets en die is daar een maanden mee bezig. En dan gaan presenteren en dan aan mensen die voor het eerst zien. En denken: waar kijk ik eigenlijk naar, weet je wel, die moet even helemaal opnieuw beginnen. En daarmee helpt die zin heel erg om elke keer af te vragen als je iets vertelt, is die andere kant nou zover. Want jij mag wel geïnteresseerd zijn in data en AI, maar die andere kant misschien helemaal niet. En die vindt het misschien wel een beetje interessant. Maar vooral interessant om te weten of je daarvan beter gaat werken. En het is al helemaal relevant. Als je dus iemand zijn baan ook echt gaat veranderen. In het boek kom ik dan op een gegeven moment ook terug op de theorie over rouw. Want wat je bij zo moet je denk ik toch een beetje benaderen. Als je tegen iemand zegt, jij doet nu een baan en dat gaat helemaal anders, dan moet diegene even door een soort van rouil heen die eerst iets aan het doen. Dat kan diegene die denken, nou weet je, ik ben lekker bezig. En dan komt er iemand aan en die zegt: we gaan het even anders doen, denk je nou, ik dacht het even niet. En bij rouw zie je dus dat als iemand overlijdt bijvoorbeeld. Dan zit je eerst in de ontkenning op een gegeven moment dan accepteer het een beetje en pas als het accepteert best wel lang soms. Ik geloof bij overlijden van ouders zelfs een jaar kan dat duren het werkmacht, die is korter trouwens hoor. Maar even aan te geven dat het echt gewoon een heavy ding is. Dan kom je eruit. En pas op het moment dat iemand daar een beetje voor open staat, kan je met diegene mee gaan bewegen naar de oplossing en naar hoe zie dan je werk over een tijdje uit en hoe kan AI dan helpen. En als je dat in die rouwperiode al gaat lopen roepen, wat ik dus deed in die vergadering met die manager van die andere afdeling, dan krijg je gewoon de deksel vaak op je neus. En dat ook dat gaat gewoon vaak fout. En daarmee is die zin zo goed te vroeg gelijk gelijk. Heel pakkend. Waar zie jij deze technologie het liefst naartoe gaan? De AI. Hoe bedoel je naartoe gaan? Er is heel veel ontwikkeling. Je hebt het de afgelopen jaren in de verschillende bedrijven gezien, wat het kan, wat het doet, wat het met mensen doet. Wat is jouw jouw hoop, zeg maar voor de hele nabije toekomst? Dat we AI gaan richten op dat het de mensen gaat helpen en niet de mensen gaat vervangen. Dus wat je ziet dat is ook wel fascineert anders nu dan bij eerdere industriële revoluties. Bij eerdere industriële revoluties ging de technologie steeds over het fysieke gedeelte. Dus een loopband of een robotarm of iets wat de kracht van de mens vervangt. En ook toen waren er al veel angsten van ja, maar als mensen dit allemaal niet gaan doen, wat gaan ze dan wel doen. Nou, we zijn volgens mij allemaal redelijk op onze pootjes terecht gekomen weer. Het fascinerende aan AI is dat het nu het cognitie, zeker, het cognitieve vervangt. Dus het nadenken, ook het creatieve voor een groot deel. Dus je moet echt, ik zag de laatste laatste film die door AI was gemaakt best een goede film wel. Voor mij wordt Heel Sijnveld, al die nieuwe serie, al nieuwe afleveringen, dat is een lekkere wegkijksserie. De helft al met AI gemaakt, want ja, je zit toch een beetje zo op de bank. En dat zijn toch een hoop mensen die daarmee een andere baan zullen moeten gaan vinden. Maar dat cognitieve, het echt vervangen, dat zal op de korte termijn, en echt op termijn nog best wel lastig blijken. En zeker omdat er zoveel uitzonderingen zijn en zoveel situaties die apart zijn, dat dat nog niet op een of je één kan. En het kan het beste door je te focussen op het helpen van de medewerker. En niet door het vervangen van de medewerker. En toch is dat vaak de eerste reactie. Dat is er trouwens ook bij Agile vaak: we gaan NZL doen, nou die kan 30% eruit. Ja, dat is een verkeerde start. Dus dat geldt ook voor AI, je gaat AI doen omdat je een doel bereiken en de mens moet dat doel bereiken en die ga je helpen. Er is nu natuurlijk, jullie weten dat ongetwijfeld, maar in Silicon Valley, een soort race gaande. De eerste eerste eenmansbedrijf wat een miljard gaat omzetten volgens mij. En dat doen ze met allemaal agents en allemaal vet. Maar al die agents werken uiteindelijk nog steeds voor een mens. En zelfs in die situatie is het belangrijk om te snappen hoe die mens dan wordt geholpen. Al is het met allemaal. Het zal altijd voorlopig altijd nog iemand zijn ergens die die keuze maakt. En ik hoop dat we dat beter centraal zitten. Mooie afsluitering, dankjewel. Fijn dat je naar onze studio wilde komen en met zoveel mooie anekdotes. Dankjewel. Leuk dat je weer luisterde naar deze aflevering. We hebben ook een hele leuke nieuwsbrief, link staat in de show notes. En daar kan je van alles achter de schermen en krijg je dan mee tot de volgende keer.